Python ValueError:输入包含NaN、无穷大或对数据类型太大的值（'；float32'；）

cs-training.csv类似于：

+----+------------------+--------------------------------------+-----+--------------------------------------+-------------+---------------+---------------------------------+-------------------------+------------------------------+--------------------------------------+--------------------+
|    | SeriousDlqin2yrs | RevolvingUtilizationOfUnsecuredLines | age | NumberOfTime30-59DaysPastDueNotWorse |  DebtRatio  | MonthlyIncome | NumberOfOpenCreditLinesAndLoans | NumberOfTimes90DaysLate | NumberRealEstateLoansOrLines | NumberOfTime60-89DaysPastDueNotWorse | NumberOfDependents |
+----+------------------+--------------------------------------+-----+--------------------------------------+-------------+---------------+---------------------------------+-------------------------+------------------------------+--------------------------------------+--------------------+
|  1 |                1 |                          0.766126609 |  45 |                                    2 | 0.802982129 | 9120          |                              13 |                       0 |                            6 |                                    0 | 2                  |
|  2 |                0 |                          0.957151019 |  40 |                                    0 | 0.121876201 | 2600          |                               4 |                       0 |                            0 |                                    0 | 1                  |
|  3 |                0 |                           0.65818014 |  38 |                                    1 | 0.085113375 | 3042          |                               2 |                       1 |                            0 |                                    0 | 0                  |
|  4 |                0 |                          0.233809776 |  30 |                                    0 | 0.036049682 | 3300          |                               5 |                       0 |                            0 |                                    0 | 0                  |
|  5 |                0 |                            0.9072394 |  49 |                                    1 | 0.024925695 | 63588         |                               7 |                       0 |                            1 |                                    0 | 0                  |
|  6 |                0 |                          0.213178682 |  74 |                                    0 | 0.375606969 | 3500          |                               3 |                       0 |                            1 |                                    0 | 1                  |
|  7 |                0 |                          0.305682465 |  57 |                                    0 |        5710 | NA            |                               8 |                       0 |                            3 |                                    0 | 0                  |
|  8 |                0 |                          0.754463648 |  39 |                                    0 | 0.209940017 | 3500          |                               8 |                       0 |                            0 |                                    0 | 0                  |
|  9 |                0 |                          0.116950644 |  27 |                                    0 |          46 | NA            |                               2 |                       0 |                            0 |                                    0 | NA                 |
| 10 |                0 |                          0.189169052 |  57 |                                    0 | 0.606290901 | 23684         |                               9 |                       0 |                            4 |                                    0 | 2                  |
| 11 |                0 |                          0.644225962 |  30 |                                    0 |  0.30947621 | 2500          |                               5 |                       0 |                            0 |                                    0 | 0                  |
| 12 |                0 |                           0.01879812 |  51 |                                    0 |  0.53152876 | 6501          |                               7 |                       0 |                            2 |                                    0 | 2                  |
| 13 |                0 |                          0.010351857 |  46 |                                    0 | 0.298354075 | 12454         |                              13 |                       0 |                            2 |                                    0 | 2                  |
| 14 |                1 |                          0.964672555 |  40 |                                    3 | 0.382964747 | 13700         |                               9 |                       3 |                            1 |                                    1 | 2                  |
| 15 |                0 |                          0.019656581 |  76 |                                    0 |         477 | 0             |                               6 |                       0 |                            1 |                                    0 | 0                  |
| 16 |                0 |                          0.548458062 |  64 |                                    0 | 0.209891754 | 11362         |                               7 |                       0 |                            1 |                                    0 | 2                  |
| 17 |                0 |                          0.061086118 |  78 |                                    0 |        2058 | NA            |                              10 |                       0 |                            2 |                                    0 | 0                  |
| 18 |                0 |                          0.166284079 |  53 |                                    0 |  0.18827406 | 8800          |                               7 |                       0 |                            0 |                                    0 | 0                  |
| 19 |                0 |                          0.221812771 |  43 |                                    0 | 0.527887839 | 3280          |                               7 |                       0 |                            1 |                                    0 | 2                  |
| 20 |                0 |                          0.602794411 |  25 |                                    0 | 0.065868263 | 333           |                               2 |                       0 |                            0 |                                    0 | 0                  |
| 21 |                0 |                          0.200923382 |  43 |                                    0 | 0.430046338 | 12300         |                              10 |                       0 |                            2 |                                    0 | 0                  |
+----+------------------+--------------------------------------+-----+--------------------------------------+-------------+---------------+---------------------------------+-------------------------+------------------------------+--------------------------------------+--------------------+

import pandas as pd
import matplotlib.pyplot as plt 
from sklearn.ensemble import RandomForestRegressor

# using RF to predict and fill null
def set_missing(df):
    process_df = df.ix[:,[5,0,1,2,3,4,6,7,8,9]]
    known = process_df[process_df.MonthlyIncome.notnull()].as_matrix()
    unknown = process_df[process_df.MonthlyIncome.isnull()].as_matrix()
    X = known[:, 1:]
    y = known[:, 0]
    rfr = RandomForestRegressor(random_state=0, n_estimators=200,max_depth=3,n_jobs=-1)
    rfr.fit(X,y)
    predicted = rfr.predict(unknown[:, 1:]).round(0)
    print(predicted)
    # fill null,and this line goes wrong
    df.loc[(df.MonthlyIncome.isnull()), 'MonthlyIncome'] = predicted
    return df

if __name__ == '__main__':

    data = pd.read_csv('cs-training.csv')
    data.describe().to_csv('DataDescribe.csv')
    data=set_missing(data)
    data=data.dropna()
    data = data.drop_duplicates()
    data.to_csv('MissingData.csv',index=False)
    data.describe().to_csv('MissingDataDescribe.csv')

我已经检查了关于“ValueError:Input包含NaN、无穷大或对于dtype（'float32'）来说太大的值”的页面，但是我的情况似乎不同。希望有人知道为什么以及如何修复，请提供帮助。谢谢

---------------------------------------------------------------------------ValueError回溯（最近的调用 最后）在（） ---->1数据=集合_缺失（数据）

集合中缺少（df） 13 rfr配合（X，y） 14 --->15预测=rfr.predict（未知[：，1:]）。四舍五入（0） 16份打印（预计） 十七,

D:\程序文件 中的（x86）\Anaconda3\lib\site packages\sklearn\employee\forest.py 预测（自我，X） 683 """ 684#检查数据 -->685 X=自我验证X预测（X） 686 687#为作业分配一块树

D:\程序文件 中的（x86）\Anaconda3\lib\site packages\sklearn\employee\forest.py _验证X预测（self，X） 353“在使用模型之前调用

fit

”） 354 -->355返回自估计量[0]。\u验证\u X\u预测（X，检查\u输入=真） 356 357@property

D:\程序文件 中的（x86）\Anaconda3\lib\site packages\sklearn\tree\tree.py _验证\u X\u预测（self、X、check\u输入） 363 364如果检查_输入： -->365 X=检查数组（X，dtype=dtype，accept\u sparse=“csr”） 366如果issparse（X）和（X.index.dtype！=np.intc或 367 X.indptr.dtype！=np.intc）：

D:\程序文件 中的（x86）\Anaconda3\lib\site packages\sklearn\utils\validation.py 检查数组（数组、接受稀疏、数据类型、顺序、副本、， 强制所有有限，确保2d，允许nd，确保最小样本， 确保\u最小\u功能，警告\u数据类型，估计器） 405%（array.ndim，估计器名称）） 406如果力是有限的： -->407断言所有有限（数组） 408 409 shape_repr=_shape_repr（array.shape）

D:\程序文件 中的（x86）\Anaconda3\lib\site packages\sklearn\utils\validation.py _断言所有有限（X） 56而不是np.isfinite（X.all（））： 57提升值错误（“输入包含NaN，无穷大” --->58“或对于%r.%X.dtype而言太大的值） 59 六十

ValueError：输入包含NaN、无穷大或太大的值 数据类型（'float32'）

---

“Monthlyncome”列包含值“NA”-您的代码似乎无法处理该值。您的数据框中有NA值。@Juliusz我需要预测它，所以它包含NA？